买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市杉岩数据技术有限公司;深圳市杉岩智能科技有限公司申请的专利一种基于深度学习的JPEG文件二次无损编码方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121527207B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610069087.0，技术领域涉及：G06T9/00；该发明授权一种基于深度学习的JPEG文件二次无损编码方法是由李信荣;文刘飞;陈坚设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本一种基于深度学习的JPEG文件二次无损编码方法在说明书摘要公布了：本发明公开一种基于深度学习的JPEG文件二次无损编码方法。首先，解析JPEG文件获得DCT量化系数及相关元数据。其次，对DCT系数进行频域分组与空间重排，构建自回归上下文。接着，通过深度学习网络生成精确的概率分布，针对不同频段分别采用混合高斯与拉普拉斯模型。然后，采用自适应混合编码策略，融合传统游程编码与深度学习熵编码。同时，对量化表、Huffman表等元数据进行智能分类与高效压缩。最后，将编码结果组合封装，经解码验证实现与原始文件完全一致的无损重构。本发明的方法显著提升了JPEG文件的无损压缩率，并具备良好的自适应能力。

本发明授权一种基于深度学习的JPEG文件二次无损编码方法在权利要求书中公布了：1.一种基于深度学习的JPEG文件二次无损编码方法，其特征在于，包括以下步骤： S1.输入JPEG文件并拆解，获得DCT量化系数、量化表、Huffman表及其他元数据； S2.对所述DCT量化系数进行预处理，根据其频域特性进行分组与空间重排； S3.构建深度学习概率估计模块，基于自回归模型并结合全局与局部上下文信息，为步骤S2处理后的各组DCT系数生成精确的概率分布；步骤S3中的深度学习概率估计模块的构建包括：构建一个超参模型，该模型以量化表和全体DCT系数为输入，提取并输出一个全局超参上下文特征；构建一个由残差网络模块、轻量级SwinTransformer模块及卷积层顺序叠加组成的主干网络；所述主干网络以所述全局超参上下文特征、已编码的上下文DCT系数以及量化表信息为输入，为当前待编码的DCT系数组生成概率分布参数； S4.采用混合编码策略，将传统编码方法与基于步骤S3所得概率分布的熵编码方法相结合，对DCT系数进行编码，并输出编码码流； S5.对所述量化表、Huffman表及其他元数据进行智能分析与分类压缩，输出元数据编码结果； S6.将步骤S4输出的编码码流与步骤S5输出的元数据编码结果组合，形成最终压缩码流； S7.对所述最终压缩码流进行解码，重构出与原始JPEG文件哈希一致的无损文件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市杉岩数据技术有限公司;深圳市杉岩智能科技有限公司，其通讯地址为：518000 广东省深圳市福田区梅林街道孖岭社区凯丰路10号翠林大厦8层808；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。